Фактографические методы прогнозирования

Современные компьютерные технологии прогнозирования основаны на интерактивных статистических методах прогнозирования с использованием баз эконометрических данных, имитационных (в том числе на основе применения метода статистических испытаний) и экономико-математических динамических моделей, сочетающих экспертные, математико-статистические и моделирующие блоки.     Перед более подробным ознакомлением с каждым из статистических методов следует знать ряд основных терминов:

• динамический ряд – временная последовательность ретроспективных и перспективных значений переменной объекта прогнозирования;
• интерполяция - в математике и статистике отыскание промежуточных значений величины по некоторым ее значениям;
• регрессия – в теории вероятностей и математической статистике зависимость среднего значения какой-либо величины от некоторой другой величины или от нескольких величин;
• объект прогнозирования - процессы, явления и события, на которые направлена познавательная и практическая деятельность человека;
• прогнозный фон - совокупность внешних, по отношению к объекту, условий, существенных для обоснованности прогноза;
• аппроксимация – замена одних математических объектов (например, чисел или функций) другими, более простыми и в том или ином смысле близкими к исходным (например, кривых линий близкими к ним ломаными).

Статистические методы основаны на построении и анализе динамических рядов, либо данных случайной выборки.

Авторегрессионный - метод прогнозирования стационарных случайных процессов, основанный на анализе и использовании связей значений динамического ряда с фиксированными временными интервалами между ними.

Гармонические весы - экстраполяция скользящего тренда, аппроксимируемого отрезками линии с взвешиванием точек этой линии при помощи гармонических весов.

Группового учета аргументов - кусочная аппроксимация исходного динамического ряда с оптимизацией вида и параметров прогнозирующей функции.

Интерполяция – математическая интерполяция, при которой выбор аппроксимирующей функции осуществляется с учетом условий и ограничений развития объекта прогнозирования.

Прогнозирование по функции с гибкой структурой - использование экстраполирующей функции, вид и параметры которой подбираются в процессе ретроспективного анализа исходного динамического ряда из некоторого множества возможных функций.

Регрессионный - анализ и использование устойчивых статистических связей между совокупностью переменных-аргументов и прогнозируемой переменной-функцией.

Статистический - построение и анализ динамических рядов характеристик объекта прогнозирования и их статистических взаимосвязей.

Факторный - обработка многомерных массивов информации об объекте в динамике с использованием аппарата факторного статистического анализа или его разновидностей.

Цепи Маркова - анализ и использование вероятностей перехода объекта прогнозирования из одного состояния в другое.

Экспоненциальное сглаживание - построение экстраполирующей функции с использованием экспоненциального убывания весов ее коэффициентов.

Экстраполяция - математическая экстраполяция, при которой выбор аппроксимирующей функции осуществляется с учетом условий и ограничений развития объекта прогнозирования.

Экстраполяция по скользящей средней — может применяться для целей краткосрочного прогнозирования.

    Необходимость  применения скользящей средней  вызывается следующими обстоятельствами. Бывают случаи, когда имеющиеся  данные динамического ряда не  позволяют обнаруживать какую-либо  тенденцию развития (тренд) того  или иного процесса (из-за случайных  и периодических колебаний исходных  данных). В таких случаях для  лучшего выявления тенденции  прибегают к методу скользящей  средней. [1]

    Метод скользящей  средней состоит в замене фактических  уровней динамического ряда расчетными, имеющими значительно меньшую  колеблемость, чем исходные данные. При этом средняя рассчитывается  по группам данных за определенный  интервал времени, причем каждая  последующая группа образуется  со сдвигом на один год (месяц). В результате подобной операции  первоначальные колебания динамического  ряда сглаживаются, поэтому и  операция называется сглаживанием  рядов динамики (основная тенденция  развития выражается при этом  уже в виде некоторой плавной  линии).

    Метод скользящей  средней называется так потому, что при вычислении средние  как бы скользят от одного  периода к другому; с каждым  новым шагом средняя как бы  обновляется, впитывая в себя  новую информацию о фактически  реализуемом процессе.

    Таким образом, при прогнозировании исходят  из простого предположения, что  следующий во времени показатель  по своей величине будет равен  средней, рассчитанной за последний  интервал времени.

 

2.2 Опережающие методы

Опережающие методы (рис. 2.2) прогнозирования основаны на определенных принципах специальной обработки научно-технической информации, учитывающих ее свойство опережать прогресс науки и техники. К ним относятся методы исследования динамики научно-технической информации, использующие построение динамических рядов на базе различных видов такой информации, анализа и прогнозирования на этой основе развития соответствующего объекта.

Рисунок 2.2 – Опережающие методы прогнозирования

Метод опережающей информации - использование свойства научно-технической информации опережать реализацию научно-технических достижений в общественной практике.

Патентный - оценка (по принятой системе критериев) изобретений и открытий и исследование их динамики.

Публикационный - оценка публикаций об объекте прогнозирования (по принятой системе критериев) и исследование динамики их опубликования.

Цитатно-индексный - оценка (по принятой системе критериев) и анализ динамики цитирования авторов публикаций об объекте прогнозирования.

 

2.3 Методы аналогий

Методы аналогий направлены на выявление сходства в закономерностях развития различных процессов. К ним относятся методы математических и исторических аналогий.

Исторической аналогии - установление и использование аналогии объекта прогнозирования с одинаковым по природе объектом, опережающим первый в своем развитии.

Математической аналогии – установление аналогии математических описаний процессов развития различных по природе объектов с последующим использованием более изученного математического описания одного из них для разработки прогнозов другого.

Прогнозирование по аналогии - это достаточно часто применяемый тип прогнозирования. Следует иметь в виду, что прогнозирование по аналогии корректно только тогда, когда установлена, доказана аналогия между: объектами управления, типами менеджмента, реакциями внешней и внутренней среды в случае, имеющем место ранее на практике, в конкретном случае прогнозирования.

Понятие аналогии связано с понятием адекватности, при этом объект прогнозирования может рассматриваться как модель другого объекта -аналога, а цели и задачи его прогнозирования должны соответствовать таким же целям и задачам объекта аналога. Таким образом, понятие аналога включает схожесть объектов прогнозирования, а также целей и последствий прогнозирования.

В процессе предпрогнозного анализа возможно установление количественной и (или) качественной аналогии.

Одним из методов качественного доказательства аналогии является логика предположений. Формальная логика устанавливает общие методы и схемы правильных умозаключений.

Для установления аналогии могут быть также использованы методы распознавания образов. Процедура прогнозирования состоит в том, что выбираются классы состояний исследуемых объектов, заданные как диапазоном изменения некоторых параметров, так и определенными качественными характеристиками. По совокупности признаков, определяющих состояние объектов, находится соответствие принадлежности каждого нового объекта или объекта в будущем времени к определенному классу. Это позволяет дать прогноз состояния объекта или указать диапазон изменения параметров, характеризующих его на прогнозируемый период.

3 Применение основных  методов на практике

Группа компаний ООО «Аэроэкспресс» была выбрана в качестве предприятия для практического применения фактографических методов прогнозирования.

ООО «Аэроэкспресс» входит в тройку крупнейших транспортных компаний мира, владелец инфраструктуры, значительной части подвижного состава и важнейший оператор российской сети железных дорог.

3.1 Метод прогнозной экстраполяции

Экстраполяция – это метод, при котором прогнозируемые показатели рассчитываются как продолжение динамического рода на будущее по выявленной закономерности развития. Это один из пассивных способов прогнозирования так называемый «наивный» прогноз, поскольку предполагает строгую инерционность развития, т.е. проектирование прошлых тенденций в будущее, а главное - независимость показателей развития от тех или иных факторов. При формировании прогнозов с помощью экстраполяции обычно исходят из статистически складывающихся тенденций изменения тех или иных количественных характеристик объекта. Экстраполируются оценочные функциональные системные и структурные характеристики. Экстраполяционные методы являются одними из самых распространенных и наиболее разработанных среди всей совокупности методов прогнозирования.          С помощью этих методов экстраполируются количественные параметры больших систем, количественные характеристики экономического, научного, производственного потенциала, данные о результативности научно-технического прогресса, характеристики соотношения отдельных подсистем, блоков, элементов в системе показателей сложных систем и др.         Однако степень реальности такого рода прогнозов и соответственно мера доверия к ним в значительной мере обусловливаются аргументированностью выбора пределов экстраполяции и стабильностью соответствия "измерителей" по отношению к сущности рассматриваемого явления. Следует обратить внимание на то, что сложные объекты, как правило, не могут быть охарактеризованы одним параметром. В связи с этим можно сделать некоторое представление о последовательности действий при статистическом анализе тенденций и экстраполировании, которое состоит в следующем:

• во-первых, должно быть четкое определение задачи, выдвижение гипотез о возможном развитии прогнозируемого объекта, обсуждение факторов, стимулирующих и препятствующих развитию данного объекта, определение необходимой экстраполяции и её допустимой дальности;
• во-вторых, выбор системы параметров, унификация различных единиц измерения, относящихся к каждому параметру в отдельности;
• в-третьих, сбор и систематизация данных. Перед сведением их в соответствующие таблицы еще раз проверяется однородность данных и их сопоставимость: одни данные относятся к серийным изделиям, а другие могут характеризовать лишь конструируемые объекты;
• в-четвертых, когда вышеперечисленные требования выполнены, задача состоит в том, чтобы в ходе статистического анализа и непосредственной экстраполяции данных выявить тенденции или симптомы изменения изучаемых величин. В экстраполяционных прогнозах особо важным является не столько предсказание конкретных значений изучаемого объекта или параметра в таком-то году, сколько своевременное фиксирование объективно намечающихся сдвигов, лежащих в зародыше назревающих тенденций.     Для повышения точности экстраполяции используются различные приемы. Один из них состоит, например, в том, чтобы экстраполируемую часть общей кривой развития (тренда) корректировать с учетом реального опыта развития отрасли-аналога исследований или объекта, опережающих в своем развитии прогнозируемый объект.  

Трендовая модель описывает изменение прогнозируемого или анализируемого показателя в зависимости только от времени. Неплохо описывает развитие (изменение) достаточно стабильной во времени социально-экономической системы, особенно таких агрегированных показателей развития, как ВВП, уровень инфляции, безработицы и т.п.

Объект прогнозирования – чистая прибыль группы компаний ООО «Аэроэкспресс» на 2012 год.

Прогноз строится на выполнении трех этапов:

• определить фактические данные динамического ряда (табл. 3.1);
• по этим данным построить график с линейным трендом (рис. 3.1);
• рассчитать прогноз на следующий период с помощью коэффициентов a и b. [6]

 

Таблица 3.1 – Фактические данные

Год	Чистая прибыль группы ООО «Аэроэкспресс»  (млрд руб)
2005	115
2006	140
2007	145
2008	76,4
2009	121
2010	209
2011	183

 

Рисунок 3.1 – График по фактическим данным с линейным трендом

Прогноз чистой прибыли на 2012 год - 186,873 млрд руб. Данная сумма рассчитана по формуле, представленная на рис. 3.1.

 

3.2 Патентный метод

Патентный метод - это опережающий метод прогнозирования, позволяющий рассчитать момент внедрения в практику изобретений по динамике даты их патентования и даты внедрения.

Для того чтобы построить прогноз данным методом, необходимо рассмотреть и проанализировать следующую информацию:

• дату патентования изобретения;
• дату внедрения изобретения в производство или в любую другую деятельность;
• разрыв во времени между первой и второй датой. [6]

Объект прогнозирования – патенты ООО «Аэроэкспресс»(рис. 3.2)

Рисунок 3.2 – Зависимость даты регистрации патента и его ввода в эксплуатацию

Срок внедрения патента на ООО «Аэроэкспресс»– 1 год. Это время рассчитывалось как среднее из представленных.

 

3.3 Метод исторической  аналогии